设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2772|回复: 4
打印 上一主题 下一主题

[信息技术] 继续请教问题:关于 Pytorch 的 Autograd

[复制链接]
  • TA的每日心情

    2025-9-22 22:19
  • 签到天数: 1183 天

    [LV.10]大乘

    跳转到指定楼层
    楼主
     楼主| 发表于 2023-2-14 13:09:28 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    本帖最后由 雷达 于 2023-2-14 13:12 编辑 , n$ Z. V9 a( z1 ^9 K8 c

    6 c0 a8 d. [% h( J+ _为预防老年痴呆,时不时学点新东东玩一玩。* C' t6 d8 p# z8 z# _) f9 P5 D. n* {* y* q
    Pytorch 下面的代码做最简单的一元线性回归:, `- v9 V# u- ?, U% e
    ----------------------------------------------
    7 t+ [4 B0 [, k1 N' k5 Himport torch
    8 v& E  F$ z& t9 M/ [* Kimport numpy as np: W! X$ V$ l1 v
    import matplotlib.pyplot as plt
    / r% j- t- _- v% N9 Dimport random/ \% }) E, G  C: n

    , J2 N: Y/ m- G: m6 Xx = torch.tensor(np.arange(1,100,1))4 l' N- ]6 @, P
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    7 g  Z/ r. A# _8 T+ ]: ?  a; ^9 {
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b) I8 J: b" {; M
    b = torch.tensor(0.,requires_grad=True)1 e' a: I4 e+ h% N: z" z/ N9 m6 v# s
    ) J6 F1 F4 \* a; N8 o' j
    epochs = 100
    ; d% l3 B, t' w# U9 Q4 @3 D# C! V% M6 t: M7 M9 S- h
    losses = []
    # N+ S$ X" X) q" ?for i in range(epochs):% I: V5 b: t5 Q
      y_pred = (x*w+b)    # 预测
    8 C* M. v6 |; r" v& P1 E# I- O6 ^  y_pred.reshape(-1); I4 t, m: j5 H/ M5 W4 X& X' U

    2 `* o+ F9 \: S3 ~  {  loss = torch.square(y_pred - y).mean()   #计算 loss8 R# f2 g& D- ~) p1 w. R
      losses.append(loss)
    ! @" A8 _: M1 [1 s. C2 Z/ w  ( M+ v3 I5 |& T4 @
      loss.backward() # autograd
    ' Y, J  Y- K, ?: L: C3 x' N0 C  with torch.no_grad():( B2 T0 j: j5 z6 \7 K& i
        w  -= w.grad*0.0001   # 回归 w
    / [; a! T6 r0 b0 c1 S2 l    b  -= b.grad*0.0001    # 回归 b
    6 Y, g! \1 S  s0 I: K  w.grad.zero_()  # I7 m8 p8 q4 P+ B0 @1 Y
      b.grad.zero_()  m: l0 V6 K# i! u

    $ F# a  _: Y, C! U' Rprint(w.item(),b.item()) #结果# v: K, s8 Z% k* P+ b% Y7 |

      i1 L# h7 h2 K1 @5 W3 a. OOutput: 27.26387596130371  0.49745178222656250 S# x, b4 h0 n8 {% p
    ----------------------------------------------0 f8 x% }. ^) a) ~( P
    最后的结果,w可以回到 w0 = 27 附近,b却回不去 b0=15。两处红字,损失函数是矢量计算后的均值,感觉 b 的回归表达有问题。
    ! H/ P! p. H& O! U" M高手们帮看看是神马原因?# `- l; F# i7 s  C

    评分

    参与人数 1爱元 +10 收起 理由
    老票 + 10 不明觉厉

    查看全部评分

    该用户从未签到

    沙发
    发表于 2023-2-14 19:23:02 | 只看该作者
    本帖最后由 老福 于 2023-2-14 21:58 编辑 2 A8 `' o2 ~; e5 x' H6 J2 g

    ' ?$ |1 n1 q7 t3 @没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?
    5 z: ^; e& |% L; [3 w-------1 G; W5 D+ j! H+ M" j
    不好意思,再看一遍,好像你在自算回归而不是用现成的工具直接出结果,上面的评论只有一点用,就是确认是不是算法有问题。5 s- z3 G2 `+ f4 k
    -------$ l, D  S. [6 r  X! i0 v% k& A
    算法诊断部分,建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够,因为你起点是0, 步长很小。只是直观建议。

    评分

    参与人数 1爱元 +10 收起 理由
    雷达 + 10 谢谢建议

    查看全部评分

    回复 支持 反对

    使用道具 举报

  • TA的每日心情

    2025-9-22 22:19
  • 签到天数: 1183 天

    [LV.10]大乘

    板凳
     楼主| 发表于 2023-2-14 21:52:57 | 只看该作者
    老福 发表于 2023-2-14 19:23
    " I! w2 t) U" r$ H& E! K9 ]- J没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?
    : S# R$ U* N+ A$ g-------
    0 S; z* R$ _& i! h& ^. Z( I不好意思, ...

    - W$ Q1 h$ l0 {; q# ]7 _4 c谢谢,算法应该没问题,就是最简单的线性回归。
    0 W  u) o3 |8 g/ b- F3 h! x1 Y我特意没有用现成的工具,就是想从最基本的地方深入理解一下。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    地板
    发表于 2023-2-14 22:00:48 | 只看该作者
    本帖最后由 老福 于 2023-2-14 22:02 编辑 ' m, v8 y! ]( _4 g; H# W# t: A6 \5 Q
    雷达 发表于 2023-2-14 21:52
    8 U4 Y' @( s& h( D  @+ B7 K谢谢,算法应该没问题,就是最简单的线性回归。
    : n- ?/ G& b) A我特意没有用现成的工具,就是想从最基本的地方深入理解 ...

    * c2 H9 ^6 W# N0 w: [% j3 r1 u. g" R6 F  h! r" V% b, n4 Z
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。
    9 p2 m0 ?# j" ?- }% P5 d3 i8 S! ?+ |6 `
    或者把b但的起点改为1试试。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情

    2025-9-22 22:19
  • 签到天数: 1183 天

    [LV.10]大乘

    5#
     楼主| 发表于 2023-2-15 00:25:26 | 只看该作者
    本帖最后由 雷达 于 2023-2-15 00:31 编辑
    : n  p4 p; d, h3 @
    老福 发表于 2023-2-14 22:00% Z3 [% O* M2 T: P' B4 V
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。& c7 D* _4 ^7 x4 N* }: G8 B

    & O0 b) ~' T4 ~8 R1 c或者把b但的起点改为1试试。 ...
    8 B8 a, e- B) @7 m4 H$ q$ w
    , l# _1 I% V% W$ ^+ Z: T; q( ^
    你是对的。
    ; e1 X. H& b7 O$ ~2 N6 `: Q4 l去掉了随机部分
    + V/ }1 i: ?9 z6 X2 |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    - a; V, n! P) t; L4 g$ _2 Fy = (x*27+15).reshape(-1)" U4 u& Z* Q: A' t
    4 e( F* y0 K; E: Y( U
    循环次数加成10倍,就看到 b 收敛了2 S5 d, Z" j1 T  j
    w , b. a0 ~( `( v6 w+ @
    27.002620697021484 14.826167106628418
    & ?3 D5 K) b; Q1 x& O/ L+ Q8 n, Z
    和 b 的起始位置无关,但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ,收敛就很慢。
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2026-4-20 10:08 , Processed in 0.066717 second(s), 19 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表